تصنيف أمراض الطماطم باستخدام الشبكات العصبية (CNN) – Tomato Leaf Disease Classification

في هذا المشروع لبناء نموذج ذكاء اصطناعي قادر على تمييز وتشخيص أمراض أوراق الطماطم بدقة، باستخدام تقنيات الشبكات العصبية الالتفافية (CNN).

يهدف المشروع إلى دعم المزارعين والباحثين في اكتشاف الأمراض مبكرًا واتخاذ القرارات المناسبة، مما يُساهم في الحفاظ على المحصول وتحسين جودة الإنتاج.

الفئات التي يتعرف عليها النموذج تشمل:

•نقص المغنيسيوم (Magnesium Deficiency)

•اللفحة المتأخرة (Late Blight)

•نقص البوتاسيوم (Pottassium Deficiency)

•اللفحة المبكرة (Early Blight)

•فيروس البقع الذابلة (Spotted Wilt Virus)

•الورقة السليمة (Healthy)

•نقص النيتروجين (Nitrogen Deficiency)

•حفار الورق (Leaf Miner)

أهداف المشروع:

•تقديم وسيلة ذكية لتحليل صور أوراق الطماطم وتصنيفها تلقائيًا.

•بناء نموذج فعال ودقيق باستخدام مكتبة TensorFlow/Keras.

•الاستفادة من التحليل الإحصائي والمرئي لفهم توزيع الفئات وتقييم أداء النموذج على مدار عملية التدريب.

الأدوات والتقنيات المستخدمة:

•اللغة البرمجية: Python

•المكتبات: OpenCV – NumPy – Matplotlib – Plotly – TensorFlow – Scikit-learn

•معالجة الصور: تغيير حجم الصور إلى (200x200) بكسل، وتقسيم البيانات إلى تدريب واختبار وتحقق.

التقنيات المستخدمة:

•الشبكات العصبية الالتفافية (CNN)

•Batch Normalization

•Dropout

•EarlyStopping للحفاظ على أفضل أداء للنموذج

نتائج النموذج:

•دقة التدريب وصلت إلى حوالي 88%

•دقة الاختبار بلغت حوالي 81.6%

تم عرض تطور الدقة والخسارة على هيئة رسوم بيانية توضح تقدم النموذج مع كل مرحلة من مراحل التدريب.

المشروع يُظهر كيف يمكن للذكاء الاصطناعي أن يكون له دور فعّال وإنساني في الزراعة، ويقدم خطوة واعدة نحو رقمنة الفحص الزراعي وتقليل الاعتماد الكلي على التشخيص اليدوي.